[Introduction à la Nouvelle Sagesse]La conception traditionnelle de circuits intégrés est longue et fastidieuse. L'intelligence artificielle peut-elle améliorer l'efficacité du travail ? Lors de la conférence Integrated Solid-State Circuit de cette année, quatre experts, dont Jeff Dean, responsable de l'IA chez Google, ont expliqué l'impact significatif des applications de l'IA sur les processeurs, l'informatique quantique, l'innovation structurelle, etc. « Xinzhiyuan recherche activement des rédacteurs en chef, des éditeurs, des responsables des opérations et des chargés de clientèle. Pour en savoir plus, ajoutez le service RH sur WeChat (Dr-wly) ou scannez le QR code à la fin de l'article. »

Le thème de la conférence de cette année sur les circuits intégrés à semi-conducteurs (ISSCC) est «Les circuits intégrés au service de l'ère de l'IA« et la séance plénière d’ouverture visait à évaluer dans quelle mesure l’IA « transforme » le secteur des semi-conducteurs. »
 

Jeff Dean, responsable de Google AI, Kou-Hung Loh, vice-président senior de MediaTek, Nadine Collaert, directrice de projet chez Imec, et Dario Gil, directeur de la recherche chez IBM, ont respectivement expliqué les attentes et les exigences en matière d'IA dans le domaine électronique, notamment comment piloter de nouveaux processeurs (ainsi que des CPU et des GPU) spécialement conçus pour les applications d'IA ; promouvoir l'innovation structurelle (telle que les petites puces, les boîtiers multi-puces, les interposeurs) ; et même influencer le développement de l'informatique quantique.
 
La conception et le routage vous prennent trop de temps ? L’IA de Google vous aide à réduire les coûts et à améliorer l’efficacité.
   
La conférence ISSCC s'est tenue à San Francisco la semaine dernière. Lors de cette conférence, Google a déclaré que l'intelligence artificielle est tout aussi importante que la conception de circuits et a annoncéGoogle tente d'utiliser l'apprentissage automatique pour résoudre les problèmes de disposition et de routage automatisés dans le processus de conception de circuits intégrés.et ont obtenu de bons résultats.  
L'application de l'intelligence artificielle est devenue un axe de recherche majeur et un sujet d'intérêt prioritaire dans le domaine de l'électronique ces dernières années. Cette orientation a attiré de nombreux chercheurs en semi-conducteurs, désireux de mener des recherches combinant les approches traditionnelles et l'intelligence artificielle. À titre d'exemple, la conférence ISSCC (Integrated Solid-State Circuit Conference) de cette année a même choisi pour thème : « … »Promouvoir une nouvelle ère de l'IA grâce aux circuits intégrésLa cérémonie d'ouverture a également précisé que l'objectif de cette conférence était d'explorer l'impact de l'IA sur la recherche dans le domaine des semi-conducteurs.
Lors de la cérémonie d'ouverture, les quatre intervenants ont expliqué comment la demande en intelligence artificielle stimule la conception de nouveaux processeurs spécifiques à l'IA (par rapport aux CPU et aux GPU), comment elle favorise l'innovation structurelle (comme l'utilisation de petites puces, de boîtiers multi-puces ou de conceptions modulaires), et même comment elle influence le développement de l'informatique quantique du futur.  
Le premier intervenant de la conférence était Jeff Dean, responsable de l'IA chez Google. Jeff Dean a mentionné que Google expérimente avecExploiter l'apprentissage automatique pour effectuer des tâches de placement et de routage dans la conception de circuits intégrésAutrement dit, laisser l'IA apprendre la disposition et le câblage des circuits intégrés, ce qui permet d'économiser le travail humain des experts en conception.      Comparaison des résultats de placement et de routage obtenus par un expert humain en ASIC avec ceux d'une puce d'accélération ML basse consommation. Google a volontairement masqué certaines parties de l'image. (Source : Google Research / ISSCC)
Jeff Dean a d'abord brièvement retracé l'histoire du développement de l'IA et du ML, puis a expliqué comment les machines apprennent à jouer au backgammon, comment Deep Blue joue aux échecs et comment AlphaGo excelle au jeu de go. L'IA est désormais capable de gérer des jeux vidéo très complexes (comme « StarCraft ») et d'obtenir des résultats remarquables. Parallèlement, l'apprentissage automatique est également largement utilisé en imagerie médicale.Robotique, vision par ordinateur, conduite autonome, neurosciences, agriculture, prévisions météorologiques et autres domaines.  
  Depuis des décennies, l'idée fondamentale qui a guidé le développement de la technologie informatique a étéPlus un problème est complexe, plus on lui alloue de puissance de calcul. Plus la puissance de traitement est importante, plus les problèmes que l'on peut résoudre sont vastes. Pendant un temps, cette règle s'appliquait également à la résolution des problèmes d'IA. Cependant, l'explosion du nombre de problèmes possibles a rapidement rendu cette règle caduque, car il est tout simplement impossible de consacrer suffisamment de ressources CPU/GPU à la résolution de tels problèmes.  
Les faits ont prouvé queL'IA/ML ne requiert pas la complexité d'un CPU/GPU classique, les calculs mathématiques nécessaires sont plus simples et la précision requise est bien moindre.Cette découverte implique que les accélérateurs IA/ML dédiés n'ont pas besoin d'être aussi complexes que les CPU/GPU. Fort de ce constat, Google a conçu l'accélérateur TensorFlow et a lancé la troisième génération de son produit ; la quatrième génération sera bientôt disponible. Les processeurs IA/ML sont relativement simples à concevoir et donc relativement peu coûteux, ce qui facilite le déploiement de l'apprentissage automatique en périphérie du réseau. Dès 2019, Google proposait un modèle très compact pour smartphones.  
À l'heure actuelle, toutes les applications basées sur l'IA (conduite autonome, imagerie médicale, jeux vidéo) sont mises en œuvre grâce à l'entraînement de systèmes d'IA/ML dédiés. Dès lors, l'IA peut-elle appliquer les connaissances acquises sur un système à un nouveau système qu'elle n'a jamais vu auparavant ? La réponse est sans équivoque : « OUI ».  
« Si j’évoque ce sujet, c’est parce que nous avons commencé à envisager l’utilisation de l’IA pour le placement et le routage dans la conception des ASIC », a déclaré Jeff Dean.Le placement et le routage sont bien plus difficiles qu'avec Go :L'objectif est plus vague et l'ampleur du problème est plus grande.« Google a créé un modèle d'apprentissage des lieux et des itinéraires, puis a cherché à savoir si l'outil pouvait être généralisé. « Jusqu'à présent, tous nos essais ont donné d'excellents résultats », a déclaré Jeff Dean. « Ses performances sont légèrement supérieures à celles des humains, parfois même bien meilleures. »Google a comparé l'efficacité de l'apprentissage automatique pour le placement et le routage avec celle de logiciels commerciaux. Le circuit de test comprend plusieurs modules différents, dont un processeur Ariane RISC-V. (Source : Google Research / ISSCC)
« Mieux » signifie placement et routage en un temps très court. Cette tâche prendrait généralement une semaine, voire des semaines, à être réalisée par un expert en conception humaine.Le placement et le routage ML peuvent généralement effectuer le même travail en 24 heures, et les câbles de câblage sont généralement plus courts.Pour des performances encore meilleures du placement et du routage automatiques par apprentissage automatique, veuillez vous référer à l'article « L'apprentissage automatique dans l'EDA accélère le cycle de conception » écrit par Rod Metcalfe de Cadence.  
Jeff Dean a indiqué que l'apprentissage automatique pourrait également être étendu à d'autres étapes de la conception de circuits intégrés, notamment pour générer des cas de test permettant une vérification plus complète des conceptions ASIC, et éventuellement pour améliorer la synthèse de code de haut niveau afin d'obtenir des conceptions plus optimisées. Ces applications potentielles sont essentielles à la popularisation de l'apprentissage automatique et, par conséquent, à l'accélération des progrès dans la conception de circuits intégrés.  
Il n'est pas nécessaire d'utiliser des processeurs/cartes graphiques (CPU/GPU) coûteux et puissants ; l'informatique de périphérie peut être personnalisée.
   
Kou-Hung Loh, vice-président senior et directeur de la stratégie de MediaTek, a souligné que les objets connectés relient des dizaines de milliards d'éléments, mais que l'IA est en train de transformer tout ce qui est connecté à Internet.  
L’une des raisons pour lesquelles l’IA se tourne vers l’informatique de périphérie est celle évoquée précédemment par Dean dans cette section, et il existe de nombreuses autres raisons, notamment :Alléger la charge de traitement croissante des centres de données et minimiser le trafic réseauet les applications temps réel qui nécessitent un traitement quasi local. Exigences du traitement local : rapidité (nécessité d’une conception spécifique pour le calcul IA) et faible consommation d’énergie. Ces processeurs spécialement conçus pour l’IA sont appelés unités de traitement IA (APU). Une APU peut être moins flexible qu’un CPU, mais comme elle est dédiée,Un APU peut être 20 fois plus rapide qu'un CPU et consommer 55 fois moins d'énergie..  
Est-il difficile de concevoir plusieurs systèmes conjointement ? L’IA vous aide à exploiter les huit méridiens extraordinaires.
   
Nadine Collaert, directrice de projet chez Imec, a souligné que la loi de Moore pourrait encore s'appliquer dans les prochaines années. Bien que la miniaturisation des puces CMOS devienne de plus en plus complexe, les technologies FinFET, nanosheets, forksheets et autres peuvent permettre de réduire davantage la taille des puces CMOS. La technologie 3D est considérée comme la meilleure solution : elle repose notamment sur l'utilisation de boîtiers multicouches, de trous traversants dans le silicium et de connexions fines avec d'autres cellules standard. Le choix de la technologie spécifique doit être déterminé en fonction des exigences de conception du système et des caractéristiques des composants disponibles. « Ce sera un exercice complexe », a déclaré Mme Collaert. Cela exercera une forte pression sur les fournisseurs d'outils de CAO, car ces derniers devront prendre en charge les essais et la comparaison de différentes solutions au niveau des outils.  
Les modules frontaux des systèmes de communication sans fil représenteront un défi particulier. « Ces systèmes sont généralement les plus hétérogènes : ils utilisent de nombreux composants issus de technologies diverses, et les modules frontaux se complexifient avec l’ajout d’antennes, d’amplificateurs de puissance et de filtres. »L'industrie des communications sans fil évolue vers des fréquences plus élevées et une efficacité accrue.Une option consiste à combiner des matériaux III-V tels que le GaN et le SiC avec la technologie CMOS afin de tirer parti des avantages des deux matériaux. Nadine Collaert a présenté un exemple visuel d'une nanostructure 3D à base de matériaux III-V déposée sur un substrat de silicium sur isolant (SOI), tout en soulignant qu'il reste encore beaucoup de travail à accomplir dans ce domaine.      Imec démontre sa capacité à faire croître des nano-arêtes 3D de matériaux III-V sur des substrats de silicium sur isolant (SOI).
L'impact de l'apprentissage automatique sur la mémoire est encore plus évident. Les nouvelles applications telles que l'IA et le ML nécessitent un accès rapide à la mémoire. Il est donc urgent de se pencher sur le calcul en mémoire et de le développer. À mesure que la logique et le stockage se rapprochent, l'encapsulation 3D jouera assurément un rôle important.  
En se renforçant mutuellement, l'informatique quantique et l'intelligence artificielle peuvent se compléter.
   
 

Dario Gil, directeur de la recherche chez IBM, a également évoqué l'intelligence artificielle généralisée lors de la conférence : « Il est presque certain que l'intelligence artificielle généralisée sera implémentée sur des ordinateurs quantiques », a-t-il conclu.Les plus grands avantages pourraient provenir de l'utilisation complémentaire des bits (traitement des nombres), des neurones (IA) et des qubits (informatique quantique).IBM a ouvert l'accès au premier ordinateur quantique en 2016 et a maintenant accès à 15 ordinateurs quantiques, dont son dernier modèle à 53 qubits.

Avertissement : Cet article est une reproduction de « Xinzhiyuan ». Il reflète uniquement l’opinion de son auteur et n’engage en rien Sacco Micro ni le secteur. Sa reproduction et son partage visent à soutenir la protection des droits de propriété intellectuelle. Veuillez indiquer la source originale et l’auteur lors de toute reproduction. En cas d’infraction, veuillez nous contacter afin que nous supprimions l’article.

Numéro de téléphone de l'entreprise : +86-0755-83044319
Fax/FAX : +86-0755-83975897
Courriel : 1615456225@qq.com
QQ : 3518641314 Gestionnaire Li

QQ : 332496225 Gestionnaire Qiu

Adresse : Salle 809, Bâtiment C, Immeuble technologique Zhantao, n° 1079 avenue Minzhi, Nouveau district de Longhua, Shenzhen